クラスタリング clustering

ジブリの公式Ｗｅｂサイトで、過去に映画化された作品の静止画像を無料でダウンロードできます。しかも「常識の範囲でご自由にお使いください。」以外の縛りがありません。さすがジブリ、太っ腹。

https://www.ghibli.jp/info/013344/

そこで公開されている1178枚を自分のパソコンにダウンロードして、これで作品ごとにクラスタリングできないか

やってみることにしました。でも人間の目で見ても、映画を見ていないと、例えば僕は「耳をすませば」と「コクリコ坂から」は画像によっては区別できない（ファンの人ごめんなさい）。

そこで絵のタッチが異なっていて、比較的区別しやすい

・かぐや姫の物語

・天空の城ラピュタ

・となりの山田くん

の３作品を選びました。ちょっと甘すぎかな。

宮崎駿っぽい絵としてラピュタを選んだのは、単に僕が好きな作品というだけの理由です。

画像はすべて同一サイズ（幅300，高さ162）で統一されているので、作業がとても楽です。KMeansは横長配列しか受けつけてくれませんので、この画像データを

300×162×3（カラーなので）＝145,800

の横長一列の配列に加工する手間だけで、すぐKMeansに入れることができます。

これでKMeansに３つのクラスターに分類させると、正解率は何と

accuracy:0.8200

８割以上の正解率でした。

では作品ごとに、例えば「実際にラピュタであるもの÷ラピュタと判定したもの」で正解率を求めると、

kaguya acc:0.8286

laputa acc:0.7344

yamada acc:0.9216

「山田くん」に至っては９割以上の正解率となりました。

実際の画像を見るとわかるのですが、「山田くん」の画像だけ白くぼけた感じになっています。これが多分「山田くん」の正解率が高い理由だと想像しています。